![](../images/docto.jpg)
Doctoraatsverdediging
Frederik Questier
Contributions to clustering
and feature selection methods for clusters
Vele wetenschappelijke disciplines kennen een ware data-explosie,
die het moeilijk maakt deze data te verkennen en te interpreteren.
Farmaceutisch-analytische technieken, zoals Hoge Druk Vloeistof Chromatografie
gekoppeld aan Diode Array Detectie (HPLC-DAD) of Gas Chromatografie gekoppeld
aan Massa Spectrometrie (GC-MS), laten toe vele honderden of duizenden
meetwaarden (variabelen) per staal in een korte tijdspanne te verwerven.
Technieken zoals combinatoriële chemie en Hoge DoorvoerScreening
(HTS) laten toe vele duizenden stalen te synthetiseren en te meten. Het
grote aantal stalen en de hoge dimensionaliteit van deze datasets compliceren
hun visualisatie en interpretatie.Clusteringsmethoden, die gelijkaardige
objecten groeperen in clusters, kunnen helpen data samen te vatten en
interessante patronen te herkennen.Het neurale gas algoritme werd in de
chemometrie geïntroduceerd als een interessante clusterings-methode
en combinaties met visualisatietechnieken werden voorgesteld.Waar clusteringsmethoden
helpen bij een groot aantal stalen, kunnen variabelenselectiemethoden
helpen bij een groot aantal meetwaarden.
De identificatie van de interessantste variabelen kan leiden tot een beter
begrip van de bestudeerde fenomenen. De verwijdering van irrelevante of
redundante variabelen kan leiden tot een kosten- en tijdsbesparing qua
metingen en tot een reductie van opslagkosten, alsook tot een performantie-
en snelheidsverbetering van leeralgoritmen. Vele variabelenselectiemethoden
zijn beschikbaar, maar slechts weinigen zijn bruikbaar voor niet-gesuperviseerde
data, waar klasse informatie omtrent de objecten niet beschikbaar is.
Verscheidene methoden werden voorgesteld voor dergelijke niet-gesuperviseerde
variabelenselectie, in het bijzonder voor clusteringstoepassingen. De
nieuw voorgestelde AAMRT methode (Auto-Associatieve Multivariate Regressie
Bomen) leidt tot een betere clustering door verwijdering van de irrelevante
en redundante variabelen en laat ook toe de variabelen te identificeren
verantwoordelijk voor de clusterstructuur van de data.
![](photos/squestier03.jpg)
Terug naar doctoratenoverzicht
|